Treatment of 2,4-dichlorophenol using soybean peroxidase.
Notice bibliographique
Résumé
In the presence of hydrogen peroxide (H2O2), soybean peroxidase (SBP) extracted from the soybean seed coat catalyzes the polymerization of various chlorinated phenols from wastewater. The resulting polymer precipitates from solution and can be removed through a simple sedimentation or filtration process. To date, the majority of the research has focused on horseradish peroxidase (HRP) as the enzyme source. Recently, researchers have discovered that SBP is thermally more stable and can work in a different pH range than HRP. Since the soybean seedcoat is a waste product of the soybean industry, developing a value-added process to utilize the waste would be economical. Several limitations need to be resolved prior to this enzymatic process becoming a legitimate treatment. For instance, peroxidase enzyme (PE) inactivation is a primary concern in trying to make the process more viable. Researchers have postulated that the PE is inactivated by entrapment into the forming polymers. To prevent such occurrences, high molecular weight substance such as gelatin and polyethylene glycol (PEG) have been added to solution. PEG 8000 provides a significant increase in protection compared to PEG 3350, a standard additive used for HRP. To date, researchers studying SBP as an alternative to HRP have focused mostly on the treatment of phenol. The effectiveness of SBP to treat chlorinated phenols is presented in this research. Some of the parameters studied include the effects and interactions of temperature, reaction time, pH, SBP concentration, PEG molecular weight, PEG concentration, type of substrate, substrate concentration, mode of substrate addition, mode of SBP addition and mode of H2O 2 addition. SBP was found to be a suitable alternative to HRP offer similar results and in some cases, improved the results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».